Modelos multimodais em saúde: análise de imagem sem aconselhamento clínico

Em resumo

• Modelos multimodais como GPT-4V, Claude Vision e Gemini 1.5 processam imagem e texto no mesmo contexto, mas em Portugal a interpretação clínica continua a ser ato médico exclusivo reservado a profissionais inscritos na respetiva Ordem.
• Custos práticos variam entre 0,005 EUR e 0,02 EUR por imagem analisada, com latência típica de 2 a 8 segundos, o que torna viável integrar milhares de análises administrativas por mês em orçamentos pequenos.
• Casos legítimos numa clínica portuguesa incluem transcrição de receitas manuscritas, verificação de qualidade de documentos digitalizados, encaminhamento por categoria e extração de texto de formulários, tudo sem qualquer descrição diagnóstica.
• A ERS e as Ordens profissionais proíbem qualquer conteúdo público ou fluxo interno que sugira diagnóstico, prognóstico ou tratamento sem intervenção documentada de profissional habilitado, mesmo quando a IA parece acertar.

Uma clínica de dermatologia em Lisboa recebe dezenas de fotografias de pele por semana no WhatsApp ou no email. Uma clínica de medicina dentária recebe raios-X panorâmicos de pacientes que mudam de médico. Uma unidade de fisioterapia recebe fotos de posturas e cópias de exames de imagem. A tentação de usar modelos multimodais como GPT-4V, Claude Vision ou Gemini para dar uma primeira leitura é enorme. É também, na maioria dos cenários que analisamos, ilegal quando essa leitura chega ao paciente sem passar por um médico habilitado. Este artigo explica onde está a linha.

O que são modelos multimodais e como leem uma imagem

Um modelo multimodal é uma rede neuronal treinada em pares de imagem e texto, capaz de processar ambos os tipos de dados no mesmo contexto conversacional. A imagem é convertida em tokens visuais que o modelo interpreta em paralelo com o texto do prompt. GPT-4V (integrado no GPT-4o), Claude 3.5 Sonnet e Gemini 1.5 Pro são os três representantes mais usados em Portugal em 2026.

Estes modelos não veem da mesma forma que um radiologista. Reconhecem padrões estatísticos comparáveis aos que encontraram durante o treino. Isto significa que descrevem bem uma cadeira, contam corretamente o número de pessoas numa sala, extraem texto manuscrito com qualidade próxima do OCR profissional, e identificam categorias amplas (fotografia de pele, radiografia, ecografia). Distinguem, porém, muito mal patologias específicas, medem mal ângulos e áreas, e podem inventar detalhes com aparente confiança, um fenómeno chamado alucinação. Para tarefas administrativas simples são ferramentas úteis; para decisões clínicas, não substituem o profissional habilitado.

Casos de uso legítimos em clínica portuguesa

Há um conjunto de fluxos onde a IA multimodal traz valor real sem cruzar a fronteira legal. Trabalhamos regularmente com estes cenários:

• Transcrição de receitas em papel: o rececionista fotografa a receita antiga trazida pelo paciente, o modelo extrai medicamentos, dosagens e posologia em texto estruturado, e o profissional confirma antes de inserir no sistema.
• Extração de dados de formulários: pedidos de reembolso ADSE, declarações de seguro e formulários de admissão são digitalizados e o modelo devolve os campos como JSON, poupando digitação manual.
• Verificação de qualidade de digitalizações: antes de arquivar, o modelo confirma se o documento está legível, direito e completo, e sinaliza se falta uma página ou assinatura.
• Encaminhamento por categoria: uma foto que chega ao email geral é classificada como cartão de cidadão, exame de imagem, fotografia estética ou outro, e é encaminhada para o processo administrativo correto.
• Organização de arquivo: fotos antigas sem metadados são categorizadas por tipo de conteúdo para reindexação do arquivo digital da clínica.

Nenhum destes fluxos envolve interpretação clínica. Todos podem ser executados por pessoal administrativo com validação humana final.

Comparação prática dos três modelos

A escolha entre GPT-4V, Claude Vision e Gemini depende do caso de uso, do orçamento e das exigências de proteção de dados. A tabela abaixo resume o que temos observado em projetos reais em 2026:

Os preços refletem tarifas públicas em euros à taxa de câmbio de setembro de 2026 e podem variar. Todos oferecem opções de Zero Data Retention em planos empresariais, ponto crítico para clínicas.

A linha vermelha: triagem administrativa versus ato médico

O Estatuto da Ordem dos Médicos e a legislação sobre exercício profissional definem que a interpretação de meios complementares de diagnóstico é competência exclusiva do médico. A Ordem dos Médicos Dentistas replica o princípio para radiografias dentárias. A Ordem dos Psicólogos exclui a avaliação psicológica automatizada não supervisionada.

Do lado prático, isto significa que qualquer output da IA que descreva conteúdo médico da imagem, mesmo em linguagem hipotética como compatível com ou parece sugerir, passa a fronteira. Um sistema que responda ao paciente que a sua radiografia parece normal está a praticar ato médico ilegal, independentemente de quem carrega no botão. Um sistema que responda que recebeu a radiografia e agendou consulta com o médico X para o dia Y é conforme.

A prova legal, em caso de queixa à ERS, incide sobre o conteúdo entregue ao paciente e sobre a existência de intervenção documentada de profissional habilitado. Guardar logs completos das interações da IA é indispensável para defesa em caso de fiscalização.

Fluxos práticos: fotos de pele, radiografias e receitas

Ilustramos com três fluxos que temos implementado. Todos partem do mesmo princípio: a IA processa, a pessoa decide, o profissional valida quando há conteúdo clínico envolvido.

1. Receita manuscrita: paciente entrega receita antiga na receção. A assistente fotografa, envia para a API, recebe texto estruturado com medicamento, dosagem e posologia. Compara com a imagem original, corrige o que estiver errado, e envia para o médico validar antes de emitir nova receita eletrónica.
2. Foto de pele por WhatsApp: paciente envia foto ao número da clínica. O bot responde imediatamente com mensagem administrativa (recebemos, vamos agendar consulta) e classifica a imagem como pertencente a dermatologia, medicina estética ou outro. A imagem é encaminhada para a agenda correta. Nenhum texto sobre o conteúdo clínico da imagem chega ao paciente.
3. Radiografia dentária panorâmica: novo paciente traz raio-X em CD ou PDF. O sistema extrai metadados DICOM (nome, data, equipamento) para arquivamento, gera thumbnail para o processo, e alerta o médico dentista de que há imagem para revisão manual. A IA nunca opina sobre cáries, retenções ou anomalias.

Riscos técnicos: alucinação, viés e qualidade da imagem

Modelos multimodais alucinam mais em imagens médicas do que em fotografias comuns, porque o conjunto de treino contém menos conteúdo clínico rotulado. Observamos regularmente três padrões de falha:

• Estruturas inventadas: o modelo descreve elementos anatómicos que não existem na imagem, com aparente segurança linguística.
• Viés cultural: fototipos de pele mais escuros são consistentemente mal classificados por modelos treinados sobretudo em população norte-americana.
• Falha silenciosa em baixa qualidade: fotos tremidas, com reflexos ou mal iluminadas geram descrições erradas sem qualquer sinal de baixa confiança do modelo.

A mitigação passa por três camadas: prompt restritivo que proíbe explicitamente descrições clínicas (só extrair texto administrativo, nunca comentar conteúdo médico), validação humana obrigatória em qualquer output que toque o processo do paciente, e rejeição automática de imagens abaixo de um limiar de qualidade técnica. Nunca automatizar decisões que envolvam a saúde de uma pessoa sem revisão profissional documentada.

Custos, latência e volume em Portugal

Para uma clínica portuguesa de média dimensão, os números tornam a operação viável mesmo em orçamentos pequenos. Uma clínica com 500 imagens administrativas por mês (receitas, formulários, documentos) gasta entre 2,50 EUR (Gemini) e 7,50 EUR (Claude 3.5) em processamento. Uma rede com 10 000 imagens por mês raramente ultrapassa 150 EUR mensais, mesmo escolhendo o modelo mais caro.

A latência típica de 2 a 8 segundos permite uso em tempo real no balcão, embora a maioria dos fluxos administrativos possa correr em batch noturno, o que reduz o custo em cerca de 50 % nas APIs que oferecem esse modo. Anthropic e OpenAI publicam preços de batch com desconto explícito; Google oferece descontos via committed use.

O maior custo raramente é a API. É o tempo de integração e a manutenção do prompt, tipicamente entre 20 e 60 horas de desenvolvimento inicial e cerca de 4 horas por mês de afinação para clínicas que processem volumes recorrentes.

Proteção de dados e integração no processo clínico

Enviar imagem clínica de um paciente identificável para uma API externa é tratamento de dados de saúde no sentido do RGPD, categoria especial do artigo 9. Precisa de base legal (consentimento explícito ou execução de contrato), de contrato de subcontratação com o fornecedor, e preferencialmente de residência de dados na União Europeia quando disponível. Anthropic e OpenAI oferecem endpoints com Zero Data Retention e regiões europeias em planos empresariais. Google Vertex AI permite escolher região.

Na prática, recomendamos aos nossos clientes o seguinte conjunto de medidas mínimas:

• Anonimização prévia sempre que a análise não necessite de identificação: remover face, tarjas e metadados EXIF antes do envio.
• Consentimento explícito por escrito nos termos de uso da clínica, com opção clara de recusa e possibilidade de fluxo alternativo manual.
• Contrato de subcontratação (DPA) assinado com o fornecedor antes do primeiro pedido em produção.
• Logs completos de cada pedido, resposta e ação humana subsequente, retidos pelo prazo legal aplicável ao processo clínico.
• Formação anual da equipa sobre o que não deve ser feito com a ferramenta e sobre como responder ao paciente que pede interpretação.

Conformidade ERS

Antes de ligar qualquer modelo multimodal a um fluxo em contacto com pacientes, é indispensável garantir que:

• Nenhum output da IA descreve, comenta ou sugere qualquer aspeto clínico da imagem em mensagens enviadas ao paciente.
• Todas as ações que possam configurar ato médico têm intervenção documentada de profissional inscrito na Ordem competente, com data, hora e identificação.
• O site e materiais promocionais não anunciam análise de imagem por IA como serviço isolado nem prometem rapidez diagnóstica.
• Não se publicam capturas de ecrã de respostas do modelo sobre imagens clínicas em redes sociais, mesmo desidentificadas.
• O rececionista sabe que, se o paciente perguntar o que dizem os seus exames, responde sempre que essa questão é para o médico na consulta.
• Existe registo escrito de que a decisão final foi humana em qualquer processo que envolva a saúde do paciente.
• O consentimento informado inclui menção explícita ao uso de ferramentas automatizadas para tarefas administrativas de apoio.

Perguntas frequentes

A IA multimodal pode substituir a análise médica de uma radiografia?

Não. Em Portugal, a interpretação de meios complementares de diagnóstico é ato médico reservado a profissional inscrito na Ordem competente. A IA pode organizar, extrair metadados e apoiar tarefas administrativas, mas nunca substituir a leitura clínica documentada por profissional habilitado.

Posso usar Claude Vision para extrair dados de receitas em papel?

Sim, é um caso de uso legítimo. A IA extrai o texto (medicamento, dosagem, posologia) para poupar digitação, e o profissional valida antes de emitir nova receita eletrónica. É tratamento de dados de saúde e exige base legal, contrato de subcontratação e retenção completa de logs.

Que modelo tem melhor precisão em português europeu?

Nos testes internos que temos feito, Claude 3.5 Sonnet e GPT-4o mostram desempenho muito próximo em OCR de português, com ligeira vantagem de Claude para manuscrito e de GPT-4o para formulários impressos. Gemini fica próximo mas comete mais erros em acentuação regional.

É legal enviar fotografias de pacientes para APIs de OpenAI, Anthropic ou Google?

É legal com base RGPD adequada: consentimento explícito ou execução de contrato, contrato de subcontratação assinado com o fornecedor, e preferencialmente residência de dados na União Europeia. Sem estes elementos, o envio configura violação da proteção de dados de saúde.

Quanto custa analisar mil imagens por mês?

Entre 5 EUR (Gemini) e 15 EUR (Claude 3.5) só em API, para imagens em resolução típica. O custo real da operação é maioritariamente tempo de desenvolvimento e manutenção do prompt, que estimamos entre 20 e 60 horas de configuração inicial e cerca de 4 horas mensais de afinação.

A IA pode ajudar na organização do arquivo de imagem da clínica?

Sim, é dos casos de uso mais seguros. Classificar imagens antigas por tipo (exame, documento, foto administrativa), extrair metadados, gerar thumbnails e sugerir tags. Toda a categorização deve ser validada por humano antes de ser aplicada definitivamente ao arquivo digital.

Preciso de consentimento específico para usar IA multimodal com dados de pacientes?

Sim. O consentimento genérico para tratamento de dados de saúde não cobre transferência para subcontratante fora do EEE nem uso de sistemas automatizados. Recomenda-se cláusula específica nos termos da clínica, com opção clara de recusa e possibilidade de fluxo alternativo manual.

Que sanções aplica a ERS se ultrapassarmos a linha entre triagem e ato médico?

A ERS pode aplicar coimas até 44 891 EUR por infração muito grave, além de suspensão da atividade em casos reiterados. Acresce responsabilidade profissional junto da Ordem competente e possível responsabilidade civil ou criminal se resultar dano ao paciente.

Próximos passos

Se a sua clínica recebe fotografias, receitas em papel ou documentos digitalizados de forma recorrente, existe quase sempre um subconjunto de tarefas administrativas que a IA multimodal pode acelerar sem tocar o ato médico. O ganho de tempo típico ronda 30 a 60 % nas tarefas certas, com custos mensais na casa das dezenas de euros. O ponto crítico é desenhar o fluxo, o prompt e a governance de forma a manter a fronteira legal clara e auditável.

Podemos ajudar a mapear os fluxos elegíveis, escolher o modelo adequado, escrever o prompt restritivo e implementar os registos exigidos pelo RGPD e pela ERS. Solicite um diagnóstico e receba uma análise dos casos de uso possíveis na sua clínica, com estimativa de custo, tempo de implementação e riscos legais associados.